AI-generator
Genererer tekst ved hjælp af en LLM-model med en tilpasset systemprompt.
if there are multiple links that are the same please include one of them and let the user know that the process is completed.
Dette AI-drevne workflow beriger lead-data i Google Sheets ved automatisk at hente manglende LinkedIn-profiler, jobtitler og brancher fra nettet ved hjælp af søgninger og AI-agenter. Det opdaterer arket med berigede oplysninger og effektiviserer processen for salgs- og marketingteams.
Flows
Nedenfor er en komplet liste over alle prompts, der bruges i dette flow for at opnå dets funktionalitet. Prompts er instruktioner givet til AI-modellen for at generere svar eller udføre handlinger. De vejleder AI'en i at forstå brugerens hensigt og generere relevante outputs.
Genererer tekst ved hjælp af en LLM-model med en tilpasset systemprompt.
if there are multiple links that are the same please include one of them and let the user know that the process is completed.
Agent-systemprompt til at tjekke Google Sheet-kolonner og opdatere dem om nødvendigt.
use the google sheet retriever and check if the document has a "LinkedIn", "Job Title", "Industry" column if not add them to the document.
AI-agent med opgave at finde og udskrive en persons LinkedIn-side-link.
Backstory: Data enricher
Goal: You should Find the persons LinkedIn and output the LinkedIn page link.
Role: data enricher
AI-agent med opgave at finde og udskrive en persons jobtitel baseret på deres LinkedIn.
Backstory: Data enricher
Goal: You should Find the persons job title based on their LinkedIn and output that.
Role: data enricher
AI-agent med opgave at finde og udskrive en persons jobbranche ved hjælp af tilgængelige værktøjer.
Backstory: Data enricher
Goal: You should Find the persons job Industry based on tools at your disposal.
Role: data enricher
Nedenfor er en komplet liste over alle komponenter, der bruges i dette flow for at opnå dets funktionalitet. Komponenter er byggestenene i hvert AI-flow. De giver dig mulighed for at skabe komplekse interaktioner og automatisere opgaver ved at forbinde forskellige funktioner. Hver komponent tjener et specifikt formål, såsom at håndtere brugerinput, behandle data eller integrere med eksterne tjenester.
Integrer dine Google Sheets med FlowHunt-workflows ved hjælp af Google Sheets Retriever-komponenten. Hent og udnyt regnearksdata uden besvær som en del af din automatisering, hvilket muliggør dynamiske datadrevne processer og avanceret workflowlogik.
Udforsk Tool Calling Agent i FlowHunt—en avanceret workflow-komponent, der gør det muligt for AI-agenter intelligent at vælge og bruge eksterne værktøjer til at besvare komplekse forespørgsler. Perfekt til at bygge smarte AI-løsninger, der kræver dynamisk værktøjsbrug, iterativ ræsonnering og integration med flere ressourcer.
Tilføj nemt en ny kolonne til ethvert Google Sheets-dokument i din automatiserede arbejdsgang. Denne komponent lader dig angive kolonnenavne og værdier, så dit regneark opdateres problemfrit med nye data—ideelt til dynamisk datastyring og integration.
Chat Input-komponenten i FlowHunt igangsætter brugerinteraktioner ved at indsamle beskeder fra Playground. Den fungerer som startpunktet for flows og gør det muligt for arbejdsgangen at behandle både tekst- og filbaserede input.
Opdag Chat Output-komponenten i FlowHunt—afslut chatbot-svar med fleksible, fler-delte outputs. Uundværlig for problemfri flow-afslutning og til at skabe avancerede, interaktive AI-chatbots.
Lås op for brugerdefinerede workflows med komponenten Brugerdefineret Udløser i FlowHunt. Denne komponent giver brugerne mulighed for at definere specifikke udløsningspunkter i deres flow, så de kan foretage skræddersyede handlinger baseret på brugerdefinerede hændelser eller input. Uundværlig til at bygge interaktive og fleksible automations-workflows.
AI Agent-komponenten i FlowHunt giver dine workflows autonom beslutningstagning og evnen til at bruge værktøjer. Den udnytter store sprogmodeller og forbinder til forskellige værktøjer for at løse opgaver, følge mål og levere intelligente svar. Ideel til at skabe avancerede automatiseringer og interaktive AI-løsninger.
FlowHunts GoogleSearch-komponent forbedrer chatbot-præcisionen ved hjælp af Retrieval-Augmented Generation (RAG) til at få adgang til opdateret viden fra Google. Kontroller resultaterne med muligheder som sprog, land og forespørgsels-præfikser for præcise og relevante output.
Lås op for webindhold i dine arbejdsgange med URL-henter-komponenten. Udfør nemt udtræk og behandling af tekst og metadata fra enhver liste af URL’er – inklusive webartikler, dokumenter og meget mere. Understøtter avancerede muligheder som OCR for billeder, selektiv metadataudtræk og tilpasset caching, hvilket gør den ideel til at bygge vidensrige AI-flows og automatiseringer.
Komponenten Opret Data gør det muligt dynamisk at generere strukturerede dataregistreringer med et tilpasset antal felter. Ideel til arbejdsgange, der kræver oprettelse af nye dataobjekter undervejs, understøtter den fleksibel feltkonfiguration og problemfri integration med andre automatiseringstrin.
Iterator-komponenten i FlowHunt automatiserer gentagne opgaver ved at udføre et subflow eller eksternt flow for hvert element i en liste. Ideel til batchbehandling, dataforbedring eller anvendelse af samme logik på flere input, understøtter den tilpasset samtidighed og avancerede muligheder for fleksibel workflow-automatisering.
Lær, hvordan FlowHunt's Prompt-komponent lader dig definere din AI-bots rolle og adfærd, så du sikrer relevante og personlige svar. Tilpas prompts og skabeloner for effektive, kontekstbevidste chatbot-flows.
Flow-beskrivelse
Dette workflow automatiserer berigelsen af outreach-data, der er gemt i et Google Sheet. Det er designet til automatisk at finde manglende information såsom LinkedIn-profiler, jobtitler og brancher for kontakter i dit regneark ved at udnytte AI-agenter, Google-søgning og dynamisk datamanipulation. Processen henter ikke blot disse data, men opdaterer også dit Google Sheet tilsvarende. Denne løsning er særligt værdifuld til skalering og automatisering af data-berigelsesopgaver, eliminerer manuelt researcharbejde og sikrer, at dine outreach-lister altid er opdaterede og komplette.
Brugerinteraktion & initialisering
Hentning & forberedelse af Google Sheet
Data-berigelsesproces (iterativt for hver række)
Automatisering & AI-integration
Output & brugerfeedback
Trin | Komponentnavn | Formål |
---|---|---|
1 | Knap-widget, Chat Input/Output | Brugerinteraktion og processtart |
2 | Google Sheets Retriever | Henter kontaktdata fra det angivne Google Sheet |
3 | Tool Calling Agent | Tjekker/opretter påkrævede kolonner (“LinkedIn” osv.) |
4 | Iteratorer | Behandler hver række/kontakt individuelt |
5 | AI-agenter + Google Search + URL Retriever | Finder LinkedIn-URL’er, jobtitler og brancheinformation |
6 | Opret data | Strukturerer de nye oplysninger for hver kontakt |
7 | Google Sheets Updater | Skriver berigede data tilbage i de rette ark-kolonner |
8 | Chat Outputs, Noter | Giver feedback, instruktioner og statusopdateringer |
Finder LinkedIn-profiler:
For hver kontakt bruger en AI-agent Google-søgning (og eventuelt webside-parsing) til at finde den mest sandsynlige LinkedIn-URL. Hvis der findes flere links, vælger agenten det bedste og informerer brugeren.
Udtrækning af jobtitler:
Når en LinkedIn-profil er fundet, udtrækker AI-agenten eller fortolker jobtitlen fra profilsideindholdet.
Bestemmelse af branche:
Agenten fastlægger yderligere kontaktens branche, enten fra LinkedIn eller andre offentligt tilgængelige kilder.
Opdatering af Google Sheet:
For hver vellykket berigelse skriver workflowet de nye data (LinkedIn, Jobtitel, Branche) direkte ind i den tilsvarende række og kolonne i Google Sheet.
Nedenfor ses et forenklet overblik over automationslogikken:
flowchart TD
Start([User clicks Start / uploads Sheet])
GetSheet([Retrieve Google Sheet data])
CheckColumns([Ensure LinkedIn/Job Title/Industry columns exist])
ForEachRow([For each row in Sheet])
SearchLinkedIn([AI agent finds LinkedIn URL])
ExtractJobTitle([AI agent extracts Job Title])
DetermineIndustry([AI agent determines Industry])
UpdateSheet([Update Sheet with new data])
NotifyUser([Provide feedback to user])
Start --> GetSheet --> CheckColumns --> ForEachRow
ForEachRow --> SearchLinkedIn --> ExtractJobTitle --> DetermineIndustry --> UpdateSheet
UpdateSheet --> NotifyUser
Skalerbarhed:
Muliggør, at teams kan berige tusindvis af kontakter effektivt, så det er muligt at vedligeholde store, høj-kvalitets outreach-databaser.
Automatisering:
Alle research- og dataindtastningstrin er automatiserede, hvilket frigør menneskelige ressourcer til mere værdiskabende opgaver.
Konsistens & datakvalitet:
Sikrer, at hver kontakt har komplette oplysninger, hvilket forbedrer personalisering og målretning i outreach-indsatsen.
Fleksibilitet:
Den modulære opbygning (triggere, iteratorer, AI-agenter, dataskabere) gør det let at tilpasse eller udvide til andre data-berigelsesbehov.
Sammenfatning:
Dette workflow er en robust, skalerbar automatisering til berigelse af outreach-data i Google Sheets med opdaterede LinkedIn-profiler, jobtitler og brancheoplysninger. Det kombinerer problemfrit AI-agenter, websøgning og regnearksautomatisering for at spare tid, forbedre outreach-effektiviteten og opretholde høj datakvalitet på dine kontaktlister.
Vi hjælper virksomheder som din med at udvikle smarte chatbots, MCP-servere, AI-værktøjer eller andre typer AI-automatisering til at erstatte mennesker i gentagne opgaver i din organisation.
Denne arbejdsgang beriger automatisk kontaktdata i Google Sheets ved at finde LinkedIn-profiler, udtrække jobtitler og brancher samt opdatere arket ved hjælp af...
Dette AI-drevne workflow automatiserer outbound leadgenerering ved at identificere topvirksomheder inden for en bestemt niche og lokation, laver dybdegående res...
Dette AI-drevne workflow leverer en omfattende, datadrevet virksomhedsanalyse. Den indsamler information om virksomhedens baggrund, markedslandskab, team, prod...